Väittelijä Olli Lahdenojan luoma kasvontunnistusjärjestelmä kuluttaa vähän tehoa ja sopii pieneen fyysiseen kokoon.
Hän kehitti väitöstutkimuksessaan myös menetelmän, jolla kasvontunnistusjärjestelmän piirteiden kokonaismäärää vähennettiin ilman merkittävää tunnistustarkkuuden huononemista.
– Menetelmää voisi hyödyntää vaikka älykelloissa. Kello voisi esimerkiksi mennä päälle, kun käyttäjä katsoo siihen. Lisäksi tunnistusta voisi hyödyntää, kun ihminen kirjautuu sisään johonkin verkkopalveluun, Lahdenoja sanoo väitöstiedotteessaan.
Hänen luomansa järjestelmä pohjautuu Suomessa kehitettyyn Local Binary Pattern (LBP) -menetelmään, joka on laajasti käytössä oleva kuva-analyysin menetelmä. Piiriratkaisuna toimii kuvatasossa laskentaa tekevä prosessori, jolle voidaan luoda lisäominaisuuksia, jotka mahdollistavat tehokkaan piirteiden laskennan.
LBP-menetelmää ei ole aikaisemmin sovellettu kuvatasoprosessorille.
– Lisäksi tutkin kasvon alueen löytämistä ja rajaamista ympäristöstä, sekä muita LBP-menetelmän sovelluksia kuva-tasossa laskentaa tekeville prosessoreille, Lahdenoja kertoo.
Hyödynnettävissä myös liikkeen tunnistukseen
Lahdenoja tarkasteli väitöstutkimuksessaan myös liikkeen tunnistusta LBP-menetelmän avulla. Esimerkkitapauksena hän käytti laserhitsausta, jonka laatua voitaisiin parantaa menetelmän avulla.
– Menetelmä voisi esimerkiksi tunnistaa sen, jos hitsaamisessa käytetään liikaa tehoa, jolloin prosessia voisi säätää reaaliaikaisesti. Toisaalta menetelmät mahdollistavat myös laserhitsauksen railonseurannan, jolloin robottia pystyttäisiin siirtämään, jos lasersäde osuu väärään kohtaan, Lahdenoja havainnollistaa.
Tulevaisuudessa Lahdenojan kehittämiä menetelmiä voitaisiin käyttää monenlaisiin eri sovelluksiin, mikä kasvattaisi kuva-tasossa laskentaa tekevien prosessorien hyödyntämistä erilaisissa konenäkötehtävissä.
FM Olli Lahdenojan väitöskirja Local Binary Patterns in Focal-Plane Processing – Analysis and Applications tarkastetaan lauantaina 6. kesäkuuta Turun yliopistossa.